摘要
本发明属于防洪调度领域,公开一种推算上游水库对中下游控制站调度响应关系的方法,包括:利用Mike模型生成不同边界与水库调蓄过程下的河道水动力状态,并加入实测洪水序列,形成上游水库调度‑下游河道水动力学状态样本。确定上游下泄流量的影响周期,采用Elman神经网络提取上游水库下泄流量与下游控制站流量的响应关系,并评价模型的性能。以上游水库下泄流量‑下游控制站水位数据为基础,使用多元线性回归建立用于下游反向推求上游水库蓄泄过程的流量‑水位模型。确定下游河道的水位或行洪流量目标,逆推上游水库的下泄流量过程和拦蓄过程,实现上游水库的反向控制。本发明能够为流域的防洪调度提供更加有力的依据,从而降低调度风险。
技术关键词
水库
控制站
Elman神经网络
多元线性回归算法
水动力学模型
周期
关系
样本
序列
粗糙度系数
前馈神经网络
模型预测值
典型
记忆单元
指标
渠道
基础
矩阵
平方根
误差
系统为您推荐了相关专利信息
重构方法
ArcGIS平台
栖息地
水动力学模型
生态监测系统
工业互联网平台
运营管理方法
设备运行效率
多源异构数据
分布式数据采集
抽水蓄能电站
抽水蓄能机组
互补系统
优化调度方法
优化调度装置
建筑全寿命周期
碳排放计算方法
模糊聚类算法
变量
多元线性回归模型
智能调控方法
误差系数
天气预报数据
逻辑回归算法
水库